2026-09-03

Google 发布 Gemini 3.8 Flash 与 Cyber 安全版

要闻

Google 推出 Gemini 3.8 Flash 及其 Cyber 版：前者 HLE-Verified 得分 54.9%，后者在覆盖 20 种编程语言的内部漏洞测试中成功率超过 70%。

Google 宣布推出 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，这是其六周内第三次发布 Flash 系列，距离 3.7 Flash 发布三周。两款模型共享同一基础能力，并通过长时间运行的 Agent 循环递归评估和改进模型。官方表示，3.8 Flash 保持与 3.7 Flash 相同的速度和低成本水平，在 DeepSWE v1.1 上超过多数体量更大的 frontier model，并在 Vals Finance Agent V2 和 Harvey's Legal Agent Benchmark 上超过 3.7 Flash 及其他 frontier model，HLE-Verified 得分为 54.9%。其在复杂任务中会增加推理步骤并反复调用工具，较高 effort level 可能消耗更多 token；开发者可降低 effort level，3.7 Flash 也将继续获得完整支持。

Gemini 3.8 Flash Cyber 通过 Fairwind Program 仅向一组可信防御者开放。官方表示，该版本在 CyberGym 的自主漏洞发现测试中超过 3.5 Flash Cyber 和体量更大的 frontier model；在覆盖 20 种编程语言、面向复杂 codebase 的内部漏洞测试中，成功率超过 70%。在 Collinear 运行的 CWE-Bench 修复测试中，其 pass@1 为 47.2%，对比某 leading frontier model 的 47.8%。据其说明，Google 已将该模型用于内部代码防护，并优先投入漏洞修复而非 exploit 能力。3.8 Flash 针对 CBRN 与 cyber offense 配置防滥用机制；Cyber 版的 cybersecurity 限制更宽松，因此限定可信防御者使用。Gray Swan 测试还显示，Gemini 3.8 models 的 prompt injection 鲁棒性有所提升。

读原文 →

Meta 发布 Muse Spark 1.3 模型

要闻

Meta 已开始在 Muse Code 和 Meta Model API 推送 Muse Spark 1.3，现有 reasoning modes 已开放，max reasoning 将在完成额外安全测试后上线。

Meta 已开始在 Muse Code 和 Meta Model API 推送 Muse Spark 1.3；现有 reasoning modes 已可使用，max reasoning 将在额外安全测试完成后开放。据其说明，新版本提升了 agentic 与 coding 任务表现，并面向长周期工作强化单一长对话中的多工作流处理：模型可调用工具，从混乱或相互冲突的来源构建上下文，修补计划缺口并追踪已获信息。对于含糊指令或执行受阻的情况，模型会提问或请求用户协助，并在采取可能产生后果的操作前确认；长任务中可按用户偏好持续更新或在后台静默运行。官方还表示，1.3 对复杂长指令的约束保持、单线程上下文中的任务匹配，以及对自身能力、知识边界和执行障碍的识别均有改进，以减少虚构结果。

读原文 →

Qwen发布Qwen3.8-Max-0902，官方称登顶CodeArena前端编程总榜

要闻

Qwen推出Qwen3.8-Max-0902，现已在千问AI平台提供API，并接入千问办公、Qoder和千问APP。官方表示，该版本位列CodeArena前端编程总榜第一。

Qwen在Qwen3.8-Max发布一个月后推出Qwen3.8-Max-0902，新版本上线时已在千问AI平台对外提供API，并接入千问办公、Qoder和千问APP，面向企业、开发者及用户开放。此次更新以编程和专业办公为后训练重点；据其说明，模型整体性能有所提升，更适用于企业复杂任务、科研及长周期任务，并已位列CodeArena前端编程总榜首位。

读原文 →

Multiverse Computing 推出 Quasar 438B

模型发布

Multiverse Computing 将首款大模型 Quasar 438B 接入 CompactifAI API；该模型含 4380 亿参数，提供 1M 词元上下文，仅支持文本输入与输出。

西班牙 AI 公司 Multiverse Computing 已发布推理模型 Quasar 438B，并开放 CompactifAI API 访问。它是该公司的首个大模型，拥有 4380 亿参数，面向企业级 Agent、软件开发与复杂多步任务；支持英语和西班牙语，上下文窗口为 1M 词元，仅接受文本输入并生成文本输出。该模型为权重未公开的专有模型，API 价格为每 100 万输入词元 0.60 美元、每 100 万输出词元 1.80 美元。官方表示，Quasar 438B 在 Artificial Analysis 的 Intelligence Index v4.1.1 中获得 43 分，并在参与比较的欧洲模型中排名最高。

读原文 →

fal 推出 MiniMax H3 Max Turbo 预览版，速度翻倍成本减半

模型发布

fal 已上线 MiniMax H3 Max Turbo 预览版，提供文生视频和图生视频入口。官方称其生成速度为原版 2 倍、成本减半，768p 输出促销价为每秒 0.01 美元，价格维持两周。

fal 已在其平台开放视频模型 MiniMax H3 Max Turbo 预览版试用，并提供文生视频和图生视频两种入口，促销价格自开放起持续两周。据 fal 说明，该版本在 H3 Max 基础上将生成速度提高至原版的 2 倍，生成时间缩短一半，成本降至原版的一半，同时保留原版的提示理解、美学与整体质量。fal 的评测将其质量目标定为原版约 97%，并称其表现仍优于 H3 及其他视频模型。促销期内，768p 视频输出按每秒 0.01 美元计费。

读原文 →

Claude Cowork 和 Claude Code 桌面端支持后台 computer use

开发生态

Anthropic 让 Claude Cowork、Claude Code 桌面端支持后台 computer use。该 Beta 限 macOS 15 及以上版本与 Pro/Max 订阅，不支持 Team/Enterprise 方案。

Anthropic 已为 Claude Cowork 和 Claude Code 桌面应用推出后台 computer use Beta，适用于 macOS 15 及以上版本。据其说明，启用后 Claude 默认在后台窗口执行操作，不接管用户的鼠标和键盘，用户可同时处理其他任务。该功能仅面向 Pro 和 Max 订阅，不支持 Team 和 Enterprise 方案；computer use 默认关闭，需在设置中手动开启，首次使用应用时 Claude 会请求权限，投资平台等敏感应用默认被阻止。官方表示，该功能没有沙盒隔离，并存在提示注入等风险，因此不应授权其访问含有敏感数据的应用。

读原文 →

Anthropic 开源 Claude Commerce Agents 参考

开发生态

Anthropic 发布 Claude commerce agent blueprint 及可运行参考实现；官方称，使用 Claude agent 的零售商购物车规模最高增加 35%，消费者完成购买可能性提高 60%。

Anthropic 已发布并开放使用 Claude commerce agent blueprint，为零售、旅游、电信和票务平台提供 shopping agent 与 merchant agent 的完整可运行参考实现。仓库包含 harnesses、patterns、guardrails 和 Claude Code plugin，工程团队可通过 Messages API、Agent SDK 或 Claude Managed Agents（beta）构建，并部署到 Claude API、Amazon Bedrock、Microsoft Foundry 或 Google Cloud Vertex AI。官方同时提供各垂直领域的自助 demo 和工程实现说明，并称团队可在数日内启动 agent。

shopping agent 可嵌入 app 或网站，接入 catalog、购物车、checkout、客户偏好和订单历史，支付环节则由现有 checkout 或 agentic payments provider 处理。其 guardrails 用于将价格和商品限制在实际 catalog 数据内，并避免操纵式 upsell。merchant agent 提供销售分析、catalog 与库存管理、营销促销以及图表和 dashboard；其主动提出的变更必须经人工批准后才能上线。据 Anthropic 说明，采用 Claude shopping agent 的零售商购物车规模最高增加 35%，消费者完成购买的可能性提高 60%。

读原文 →

Perplexity开源本地推理引擎Lily

开发生态

Perplexity 宣布开源面向 Apple silicon 的本地推理引擎 Lily。官方基准显示，其 prefill、decode 吞吐平均为 MLX-LM 的 1.23 倍、1.35 倍。

Perplexity 已宣布开源本地推理引擎 Lily，独立 demo 位于 GitHub 的 perplexityai/pplx-garden 仓库。Lily 为 Perplexity Computer 的混合计算构建，针对 Apple silicon 和 Qwen3.6-35B-A3B，将 prefill、decode 两类负载分开优化。其单进程实现整合 Rust runtime、OpenAI 兼容的 chat-completions API 与自定义 Metal kernel，执行路径不含 PyTorch 和 MLX。据官方基准数据，在 256 至 128K token 的全部测试长度上，Lily 均快于通用框架 MLX-LM；prefill、decode 吞吐平均为后者的 1.23 倍、1.35 倍。官方表示，输出质量基本不变。

读原文 →

豆包上新多Agents并行与Mac版操作电脑功能

产品应用

据 2026 年 9 月 3 日的报道，豆包于该周推出多 Agents 并行和 Mac 版操作电脑两项功能，可分别处理任务拆分协作，以及在无 MCP、API、插件或 CLI 时通过 GUI 操作本地电脑。

据 2026 年 9 月 3 日发布的原文，豆包在该周上线多 Agents 并行和 Mac 版操作电脑两项功能。多 Agents 并行由主 Agent 先拆解一个任务，再调用不同子 Agent 分别处理各模块，适用于批量处理、分模块生成、多维度调研和多渠道检索。操作电脑功能此前已在 Windows 上线，此次扩展至 Mac；据其说明，豆包可通过 GUI 识别并操作本地电脑界面，即使没有 MCP、API、插件和 CLI，也能完成相应操作。

读原文 →

Anthropic 上线文件来源检测工具 Claude Content Checker

产品应用

Anthropic 推出 Claude Content Checker，可在浏览器中检查文件是否含有指向 Claude 的 C2PA 内容凭证。工具支持 17 种媒体格式，单个文件上限为 100 MB。

Anthropic 已上线 Claude Content Checker，用于检查文件元数据中的 C2PA 内容凭证，并在凭证指向 Claude 时显示结果。该工具支持 JPG、PNG、GIF、WEBP、TIFF、HEIC、AVIF、SVG、DNG、JXL、MP4、MOV、AVI、WAV、MP3、M4A 和 FLAC，文件大小上限为 100 MB。据其说明，检查过程在浏览器内运行，文件不会离开设备；Claude 制作或处理受支持类型的文件时，会在元数据中加入经过加密签名的小型说明。此凭证只能判断 Claude 是否参与文件产出，不能判断其是否参与内容创作，也不含可识别用户身份的信息。C2PA 是相机厂商和照片编辑软件也采用的开放行业标准，兼容 C2PA 的工具均可读取。OpenAI、Google DeepMind 和 Gemini 也提供类似工具；对于文本中的嵌入式水印，Anthropic 另有 Detection API，按照欧盟法律要求，目前仅向符合条件的组织提供 private preview。

读原文 →

Proximal 发布 FrontierSWE v2 基准

技术与洞察

Proximal 发布 FrontierSWE v2，以 21 项新增超长周期技术挑战将任务总数增至 34 项，并把单次评测时限设为 20 小时；Claude Fable 5.1 排名第一。

Proximal 已发布 FrontierSWE v2，新增 21 项超长周期技术挑战，使任务总数达到 34 项。新增范围覆盖视觉推理、图形、科学计算和 AI research，包括从 MEG 脑记录解码语音、依据视频预测球体轨迹、训练 10 天天气预报模型、仅凭视觉输入构建 TORCS 赛车 bot，以及用 OpenGL 重建 flight simulator renderer。该版本同时移除 4 项因已趋于饱和或无法确定性评分的 v1 任务：PCQM4Mv2 Molecular Gap Prediction、Pyright Type Checking Optimization、Revideo Rendering Pipeline Optimization 和 Dependent Type Checker。

新版重做 evaluation harness，用 20 小时窗口衡量模型可推进到何种程度；系统会持续告知 Agent 剩余时间，并鼓励其继续执行，而不是过早提交方案。这些机制被集成到 proximus，一个专为超长周期任务构建的精简 coding agent harness。官方公布的排名依次为 Claude Fable 5.1、GPT-5.6 和 GLM-5.3；遇到受 content filters 阻塞的任务时，以 Opus 5 作为 fallback。官方表示，该 benchmark 尚未饱和，并显示出在其他 benchmark 上表现接近的模型之间存在很大差距。

读原文 →

谷歌推出 Fairwind Program，开放网络防御能力

行业动态

Google 的 Fairwind Program 已开放由 Gemini 3.8 Flash Cyber 提供的网络防御能力。官方称，该模型既能发现和修复漏洞，也支持实际漏洞研究、复杂代码合成及实时威胁情报。

Google 已推出 Fairwind Program，通过 Gemini 3.8 Flash Cyber 对外开放网络防御能力。官方将该模型定位为智能且具备成本效益的协作伙伴，其用途不只包括识别安全缺陷，也包括对已发现的问题进行修复。据其说明，该模型可加速实际漏洞研究和复杂代码合成，同时支持实时威胁情报工作。

读原文 →

OpenAI 回应 Astra「不可监控」争议

行业动态

读原文 →

美国司法部在纽约时报诉 OpenAI 版权案中支持合理使用主张

行业动态

读原文 →

智谱入驻天猫开设旗舰店

行业动态

读原文 →

WorkBuddy开放平台上线，全面开放Agent基座能力

行业动态

读原文 →

网友推测称 gpt-6-astra 已部署至 OpenAI API

前瞻与传闻

读原文 →

马斯克宣布 Grok 4.7 将于十天后推出

前瞻与传闻

读原文 →